类目筛选（计算机学者）
清除筛选
-
模型类型
-
机器学习/统计学习
-
偏最小二乘法
-
支持向量机
-
随机森林
-
K-近邻
-
梯度提升决策树
-
主成分分析/判别分析
-
逻辑回归/贝叶斯
-
智能手机/其他
-
-
深度学习
-
卷积神经网络
-
循环神经网络
-
目标检测网络
-
图像分割网络
-
生成对抗网络
-
图神经网络
-
序列到序列/编码-解码
-
其他深度学习结构
-
-
大模型与 LLM
-
大语言模型
-
视觉基础模型
-
多模态基础模型
-
知识图谱与 LLM 集成
-
垂直领域微调/指令调优
-
检索增强生成
-
-
模型设计/优化策略
-
迁移学习/领域自适应
-
小样本学习
-
模型可解释性
-
模型轻量化/边缘计算
-
特征工程与选择策略
-
超参优化/自动机器学习
-
强化学习
-
-
-
模型任务
-
分类/鉴别/等级评定
-
定量预测/回归分析
-
缺陷/异物检测与定位
-
过程控制与实时优化
-
知识抽取与语义理解
-
设计/生成与推荐
-
模拟与数字孪生
-
-
模型数据
-
来源
-
可见光/RGB/视频数据
-
高光谱/多光谱光谱
-
红外/拉曼光谱数据
-
时序传感器/物联网数据
-
组学数据
-
质构/流变/感官数据
-
文本/知识库/法规数据
-
多模态/融合数据
-
-
量级
-
小规模数据集
-
中等规模数据集
-
大规模数据集
-
超大规模/工业级数据集
-
公开数据集
-
合成/仿真数据为主
-
-
深度筛选（食品学者）
清除筛选
-
研究对象/基质维度
-
谷物/块根/豆与坚果类
-
小麦
-
玉米
-
大米
-
杂粮
-
马铃薯
-
其他根茎类
-
其他谷物与块根
-
豆类与坚果（及籽类）
-
-
肉类/蛋类与水产品
-
畜肉
-
禽肉
-
鱼肉
-
甲壳类
-
软体与贝类
-
内脏及副产物
-
其他肉与水产品
-
蛋类及其制品
-
-
乳及乳制品
-
液态乳
-
发酵乳/酸奶
-
奶酪
-
乳粉
-
乳清及乳清制品
-
其他乳制品
-
-
水果/蔬菜与菌菇类/植物类
-
新鲜水果
-
新鲜蔬菜
-
果蔬汁/浓缩汁
-
果蔬干/果脯/蔬菜干
-
其他果蔬制品/植物类
-
食用菌菇
-
食用花卉
-
-
油脂及油脂制品
-
植物油
-
动物油脂
-
起酥油/人造脂肪
-
油炸食品
-
其他油脂制品
-
-
饮料
-
果蔬饮料
-
茶/茶饮料
-
咖啡饮料
-
乳饮料
-
功能/运动饮料
-
碳酸饮料
-
酒精饮料
-
其他饮料
-
-
糖、焙烤与糖果制品
-
面包
-
蛋糕/糕点
-
饼干/薄脆制品
-
糖果
-
巧克力及含可可制品
-
其他焙烤与糖果制品
-
蜂蜜等天然糖
-
-
发酵食品及酱腌制品
-
大豆发酵制品
-
蔬菜发酵制品
-
发酵豆制品
-
谷物发酵食品
-
肉类发酵制品
-
水产发酵制品
-
其他酱腌/发酵食品
-
-
复合/即食/餐饮食品
-
方便面及速食米面
-
预制菜/即食菜肴
-
冷冻方便食品
-
罐头菜肴
-
餐饮菜品与团餐
-
其他复合食品
-
-
新资源食材
-
昆虫蛋白
-
微藻及藻类产品
-
单细胞蛋白
-
细胞培养肉
-
其他新资源食材
-
-
食品添加剂与配料
-
碳水化合物配料
-
脂肪/油脂配料
-
蛋白质配料
-
乳化剂/稳定剂/增稠剂
-
甜味剂
-
香精香料
-
酸度调节剂/防腐剂/抗氧化剂
-
营养强化剂
-
其他添加剂与配料
-
-
新材料/包装与接触材料
-
塑料材料
-
纸及纸板
-
金属材料
-
玻璃材料
-
生物基/可降解材料
-
多层复合材料
-
探针与分析传感材料
-
其他材料
-
-
食品加工设备与机械系统
-
热处理设备
-
干燥设备
-
挤压/混合/成型设备
-
分选/分级/检验设备
-
灌装/封口/包装设备与生产线
-
清洗/CIP/卫生相关设备
-
输送/搬运/机器人系统
-
其他加工设备与系统
-
-
-
研究主题/科学问题维度
-
加工与新加工技术
-
传统热加工
-
非热加工技术
-
物理辅助加工
-
3D 打印与结构构筑
-
挤压膨化与共挤技术
-
其他加工技术
-
-
保藏与贮藏
-
冷藏与冷冻保藏
-
干燥保藏
-
改良气调/控气贮藏
-
保鲜涂膜与保鲜剂
-
货架期预测与品质劣变动力学
-
其他保藏技术
-
-
品质、结构与理化性质
-
质构与流变性质
-
颜色与外观品质
-
微观结构与成像
-
氧化、褐变等化学变化
-
其他品质相关性质
-
特征风味
-
-
营养与生物功能
-
基本营养价值评价
-
抗氧化/抗炎等功能
-
血糖、血脂与代谢相关功能
-
肠道健康与微生物相关功能
-
其他生物活性与健康效应
-
-
食品安全与风险评估
-
微生物安全
-
化学污染物
-
加工污染物
-
过敏原与毒性问题
-
暴露评估与风险表征
-
其他安全问题
-
-
包装与智能监测
-
包装设计与机械性能
-
活性包装
-
智能/指示型包装
-
包装系统中的监测与标签应用
-
其他包装相关研究
-
-
可持续性与资源高值化
-
副产物与废弃物高值利用
-
能耗/水耗与环境影响分析
-
生命周期评价与碳足迹
-
循环经济与绿色供应链
-
其他可持续性主题
-
-
感官科学与消费者研究
-
感官评价与方法学
-
消费者偏好与接受度
-
市场细分与消费行为
-
标签、营养声称与信息呈现
-
其他感官与消费者研究
-
-
过程控制与数字化
-
过程监测与在线检测
-
过程优化与控制策略
-
生产管理与数字化工厂
-
其他过程控制与数字化研究
-
-
-
研究方法/证据层级维度
-
理化与结构表征
-
常规理化指标测定
-
质构与流变测试
-
显微与成像技术
-
光谱/色谱/质谱等分析方法
-
其他理化与结构表征
-
-
微生物与发酵实验
-
微生物计数与生长曲线
-
菌种筛选与特性评价
-
发酵工艺与动力学
-
生物膜与耐受性研究
-
其他微生物/发酵方法
-
-
组学与高通量技术
-
基因组学
-
转录组学
-
蛋白质组学
-
代谢组学
-
微生物组/宏基因组学
-
其他组学方法
-
风味组学
-
-
体外模型
-
体外消化模型
-
体外发酵模型
-
细胞模型
-
模拟胃肠/肠道系统
-
其他体外模型
-
-
动物实验/人体试验
-
小动物实验
-
大动物实验
-
人体干预试验
-
观察性人群研究
-
其他体内/人群研究
-
-
统计建模与仿真
-
传统统计分析与回归
-
响应面分析与多因素优化
-
动力学建模
-
数值仿真
-
其他统计建模方法
-
-
问卷/市场与消费者研究
-
问卷设计与实施
-
访谈与质性研究
-
行为实验与选择实验
-
其他消费者研究方法
-
-
标准/法规/数据库分析
-
标准与法规对比分析
-
政策评估与影响分析
-
食品成分/消费数据库分析
-
其他标准法规相关方法
-
-
其他方法
-
专利分析
-
德尔菲法与专家咨询
-
情景分析与情景模拟
-
其他难以归类的方法
-
-
-
关键营养素/成分维度
-
常量营养素（宏量）
-
蛋白质与氨基酸
-
脂质与脂肪酸
-
碳水化合物与糖类
-
-
膳食纤维与抗性淀粉
-
可溶性膳食纤维
-
不溶性膳食纤维
-
抗性淀粉
-
其他膳食纤维类成分
-
-
维生素
-
脂溶性维生素 A/D/E/K
-
维生素 C
-
维生素 B 族
-
其他维生素或前体
-
-
矿物质与微量元素
-
钙
-
铁
-
锌
-
碘/硒等微量元素
-
钠/钾/镁等常量矿物质
-
其他矿物质
-
-
植物化学/生物活性成分
-
多酚与黄酮
-
花青素与类胡萝卜素
-
酚酸类
-
含硫植物化合物
-
其他植物化学物质
-
-
益生菌/益生元/合生元
-
益生菌菌株
-
益生元
-
合生元产品
-
可发酵底物与其他肠道相关成分
-
-
功能性脂类与糖替代品
-
植物甾醇/甾烷醇
-
共轭亚油酸
-
中链脂肪酸
-
糖醇类
-
非营养性甜味剂
-
盐替代品与其他代谢敏感因子
-
-
其他特殊成分
-
咖啡因
-
茶氨酸
-
胆固醇
-
嘌呤
-
其他特殊成分
-
-
标签记录（计算机学者）
清除全部筛选
标签记录（食品学者）
共 364 条结果
-
通过混合设计实现山茶花油多重掺假检测的建立与评估
查看原文
2023
Food Chemistry
中科院一区JCR一区
Xinjing Dou, Liangxiao Zhang, Zhe Chen, Xuefang Wang, Fei Ma, Li Yu , Jin Xiao&Peiwu Li
计算机标签
偏最小二乘法 支持向量机 分类/鉴别/等级评定 文本/知识库/法规数据食品标签
植物油 食品安全与风险评估 其他统计建模方法 脂质与脂肪酸多重掺假是规避掺假检测手段的常见手段。本研究依据混料设计制备了具有代表性的多重掺假山茶油样品；随后以这些代表性油样结合脂肪酸图谱，构建二类分类模型并对一类分类模型进行验证。交叉验证结果表明，递归支持向量机模型的分类准确率达97.9%，高于偏最小二乘判别分析模型。在最优组合偏最小二乘模型中，掺假山茶油中菜籽油、大豆油、玉米油、葵花籽油的最优掺配比例分别为2.8%、0%、7.2%、0%，该配比与纯正山茶油相似度最高。进一步验证结果显示，5组采用该最优配比制备的掺假油样均可被准确识别，说明最优组合偏最小二乘模型能够有效鉴别由上述四种廉价油脂调配而成的多重掺假山茶油。此外，本研究可为一类分类模型的性能评估提供参考，也可为其他食品的多重掺假检测提供研究思路与解决方案。
-
基于近红外光谱和化学计量学识别苦荞粉中掺杂的普通荞麦
查看原文
2023
Current Research in Food Science
中科院一区JCR一区
Yinghui Chai, Yue Yu, Hui Zhu, Zhanming Li, Hao Dong & Hongshun Yang
计算机标签
偏最小二乘法 支持向量机 特征工程与选择策略 分类/鉴别/等级评定 定量预测/回归分析 红外/拉曼光谱数据食品标签
杂粮 食品安全与风险评估 光谱/色谱/质谱等分析方法近红外光谱（NIRS）因其具有无损、操作简便等优点，在食品掺假鉴别方面展现出巨大潜力。本文提出了一种基于近红外光谱和化学计量学的方法，用于预测苦荞（Fagopyrum tataricum (L.) Gaertn）粉中普通荞麦（Fagopyrum esculentum Moench）粉的含量。采用偏最小二乘回归（PLSR）和支持向量回归（SVR）模型对掺假样品的光谱数据进行分析，并预测掺假水平。运用多种预处理方法、参数优化方法和竞争性自适应重加权采样（CARS）波长选择方法来优化模型的预测精度。偏最小二乘回归和支持向量回归模型在预测苦荞掺假含量方面的结果令人满意，最优鉴别模型的相关系数均在0.99以上。综上所述，近红外光谱与化学计量学相结合的方法在分析苦荞粉中普通荞麦粉的掺假情况时，表现出优异的预测性能和适用性。本研究为苦荞粉的掺假鉴别提供了一种有前景的方法，所得结果可为农产品的掺假鉴别提供理论和数据支持。
-
基于小样本FT-MIR数据集的机器学习和深度学习用于绒盖牛肝菌的细粒度采样点识别
查看原文
2023
Food Research International
中科院一区JCR一区
Jian-E Dong, Jieqing Li, Honggao Liu & Yuan-Zhong Wang
计算机标签
支持向量机 随机森林 K-近邻 梯度提升决策树 卷积神经网络 分类/鉴别/等级评定 红外/拉曼光谱数据食品标签
食用菌菇 食品安全与风险评估 化学污染物 光谱/色谱/质谱等分析方法本研究提出了结合镉含量和环境因素识别绒盖牛肝菌采样点的必要性。基于一阶导数、二阶导数、多元散射校正、标准正态变量和Savitzky-Golay平滑预处理的傅里叶变换中红外光谱数据，构建了五种机器学习算法（朴素贝叶斯、决策树、K最近邻、随机森林、支持向量机）和三种梯度提升机算法（XGBoost、LightGBM、CatBoost）。为避免复杂的预处理，我们构建了BoletusResnet模型，首次提出了3DCOS、3DCOS投影图像、索引图像（在2DCOS之外）的概念，并将其与深度学习相结合用于分类。结果表明，梯度提升机的准确率高于传统机器学习，深度学习的准确率优于梯度提升机。本文提出的四种深度学习模型基于小样本实现了细粒度采样点识别，准确率达到100%，并在此基础上开发了一套计算机应用系统。因此，光谱图像处理结合深度学习是一种快速高效的分类方法，可广泛应用于食品鉴别领域。
-
利用多种传感器技术结合化学计量学和数据融合策略，对中国大豆酱风味质量进行定性和定量评估
查看原文
2023
Food Chemistry
中科院一区JCR一区
Shanshan Yu, Xingyi Huang, Li Wang, Xianhui Chang, Yi Ren, Xiaorui Zhang & Yu Wang
计算机标签
偏最小二乘法 支持向量机 主成分分析/判别分析 定量预测/回归分析 时序传感器/物联网数据 多模态/融合数据食品标签
发酵豆制品 特征风味 质构与流变测试 光谱/色谱/质谱等分析方法采用电子鼻、电子舌、色差仪、质构仪等多种传感技术，结合化学计量学与数据融合策略，对传统中式发酵豆瓣酱的风味品质进行表征分析。通过主成分分析法（PCA）将所选豆瓣酱样品划分为三类，分类结果与样品地理来源并非完全吻合。在感官属性定量预测方面，支持向量机回归（SVR）的表现优于偏最小二乘回归（PLSR）。此外，基于多传感器信息数据融合对豆瓣酱整体风味进行预测时，支持向量机回归模型的预测相关系数（Rp）可达0.9636，优于电子鼻与电子舌数据融合的预测结果（Rp=0.9267）。本研究表明，多传感技术结合化学计量学方法，可作为发酵豆瓣酱及其他食品体系风味评价与特征解析的有效手段。
-
基于高光谱成像光谱与纹理数据融合预测亚硝酸盐腌制羊肉中肌红蛋白含量
查看原文
2023
Food Control
中科院一区JCR一区
Guoling Wan, Shuxiang Fan, Guishan Liu, Jianguo He, Wei Wang, Yan Li, Lijuan Cheng, Chao Ma, & Mei Guo
计算机标签
偏最小二乘法 支持向量机 定量预测/回归分析 高光谱/多光谱光谱食品标签
畜肉 品质、结构与理化性质 光谱/色谱/质谱等分析方法 蛋白质与氨基酸肌红蛋白的含量与化学状态通常与肉色密切相关，而肉色是评判肉类新鲜度与食用安全性的重要指标之一。为精准测定羊肉中氧合肌红蛋白（OxyMb）与高铁肌红蛋白（MetMb）的含量，本研究探索了基于光谱图像融合的优化检测技术的可行性。研究采用三种方法筛选特征波长，同时提取肌肉组织的纹理特征。模型性能对比结果显示，耦合光谱与纹理参数的最小二乘支持向量机（LSSVM）模型，预测效果均优于偏最小二乘回归（PLSR）模型。其中，用于氧合肌红蛋白预测的iVISSA-COR-LSSVM 模型表现优良，校正决定系数（Rc2）达 0.9525，校正均方根误差（RMSEC）为 2.2955，预测决定系数（Rp2）为 0.8956，预测均方根误差（RMSEP）为 3.0036；用于高铁肌红蛋白预测的VCPA-IRIV-COR-LSSVM 模型则展现出更具实效性的预测性能，其Rc2为 0.8809、RMSEC 为 2.2009、Rp2为 0.8353、RMSEP 为 3.2096。最终，本研究生成了氧合肌红蛋白与高铁肌红蛋白在羊肉组织中分布的伪彩色图谱。该研究证实，数据融合技术为肌红蛋白含量的快速检测提供了一种全新方法。
